本发明涉及加工智能监测与控制领域，尤其涉及一种基于数字孪生模型的cnc机床加工质量分析方法及系统。
背景技术：
：：1、随着计算机技术、通信与网络技术的普遍运用与发展，数字孪生采用多学科、多物理量、多尺度、多概率的方法对物理装备进行数字孪生建模，在信息空间中完成对实际工艺装备和生产过程的全要素映射，进而反映相对应实体工艺装备实时服役状态，贯穿于装备生产加工的全过程和装备的完全生命周期。而车间层数控机床的网络化远程监视、操作、智能决策服务等对现代网络化制造具有重要的意义。因此，研究数控机床网络化远程监控与决策技术可以实现。2、公开号为cn114237170a的中国专利公开了基于数字孪生技术的装配车间虚实融合运行与管控方法，利用封装技术将各类物理资源封装为软件智能体，用既对应物理实体又表现为数字化模型的智能体作为物理车间和数字孪生车间的交互接口；同时建立可供人员操作的管控平台管理数字孪生模型。3、上述技术方案仅仅从总体上对车间建立数字孪生模型，对于需要人决策或处理的情况并未给出决策的流程。技术实现思路1、发明目的：提出一种基于数字孪生模型的cnc机床加工质量分析方法及系统，应用于柔性生产线与总装柔性生产线的生产过程，根据数字孪生决策系统采集到的监测时间节点实时数据进行统计分析与处理，最后将得到的决策信息传送到物理空间的机床设备中，以利于进行加工的及时调整和更新，从而有效解决了现有技术存在的上述问题。2、第一方面，提出一种基于数字孪生模型的cnc机床加工质量分析方法，步骤如下：3、s1、基于预定加工对象在cnc机床加工过程中的m个监测时间节点和n个加工质量指标，构建初始判断矩阵；4、s2、对所述初始判断矩阵进行标准化处理，得到标准化决策矩阵；5、s3、在所述标准化决策矩阵的基础之上结合权重矩阵，得到加权判断矩阵；6、s4、根据所述加权判断矩阵获取评价目标的正理想值和负理想值；7、s5、计算各所述加工质量指标分别与所述正理想值和负理想值的欧式距离；8、s6、基于所述欧式距离，计算得到各所述加工质量指标的相对贴合度，所述相对贴合度与加工质量的偏差度负相关；9、s7、将所述相对贴合度归一化处理映射到<mi>[0,1]</mi>之间，划分加工质量状态；10、s8、预测加工质量数据的变化趋势，预测下一阶段可能出现的加工质量状态；11、s9、基于预测得到的下一阶段可能出现的加工质量状态，给予决策反馈。12、在第一方面进一步的实施例中，步骤s1进一步包括：13、对于第个监测时间节点的第个加工质量指标的评价值为，最终形成初始判断矩阵v：14、。15、在第一方面进一步的实施例中，步骤s2进一步包括：16、s2-1、对所述初始判断矩阵进行标准化处理，得到第i个监测时间节点的第j个加工质量指标的标准值：17、；18、式中，表示评价值；19、s2-2、基于所述标准值，得到标准化决策矩阵：20、；21、在第一方面进一步的实施例中，步骤s3中所述加权判断矩阵z的表达式如下：22、；23、式中，b表示权重矩阵；表示标准化决策矩阵。24、在第一方面进一步的实施例中，步骤s4进一步包括：25、根据所述加权判断矩阵z获取评价目标的正负理想解，收益性指标值与评价结果成呈正相关关系，损耗性指标值与评价结果呈负相关关系，计算得到正理想值、负理想值：26、；27、；28、式中，收益性指标集为第i个指标值的最优解；损耗性指标集为第i个指标值的最劣解；n为加工质量指标总个数。29、在第一方面进一步的实施例中，步骤s5中计算各所述加工质量指标分别与所述正理想值和负理想值的欧式距离：30、；31、式中，为各加工质量指标与正理想值之间的欧式距离；为各加工质量指标与负理想值间的欧式距离；n为加工质量指标总个数。32、在第一方面进一步的实施例中，步骤s6中所述相对贴合度的表达式如下：33、；34、式中，为各加工质量指标与正理想值之间的欧式距离；为各加工质量指标与负理想值间的欧式距离；m为监测时间节点的总个数。35、在第一方面进一步的实施例中，步骤s7进一步包括：36、将所述相对贴合度归一化处理映射到<mi>[0,1]</mi>之间，并按照2:3:5的概率划分加工质量状态：37、<mtable><mtr><mtd><mrow><mi>e</mi><mi>1,</mi><msub><mi>c</mi><mi>i</mi></msub><mi>∈</mi><mi>[0,</mi><mi>0.2)</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>e</mi><mi>2,</mi><msub><mi>c</mi><mi>i</mi></msub><mi>∈</mi><mi>[0</mi><mi>.2</mi><mi>,</mi><mi>0.5)</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>e</mi><mi>3,</mi><msub><mi>c</mi><mi>i</mi></msub><mi>∈</mi><mi>[0</mi><mi>.5</mi><mi>,</mi><mi>1]</mi></mrow></mtd></mtr></mtable></mfenced>；38、式中，e1、e2和e3是cnc机床加工中预定时间节点的状态，e1记为故障，e2记为警告，e3记为正常。39、在第一方面进一步的实施例中，步骤s8进一步包括：40、s8-1、在当前加工质量状态下，加工质量状态为故障、警告和正常的概率分别为、和，加工质量状态为故障、警告和正常的频数分别为、和；41、当前加工质量状态为故障且下一阶段加工质量状态仍为故障的概率记为；加工质量状态由故障到警告的概率记为；由故障到正常的概率记为；由警告到故障的概率记为；由警告到警告的概率记为；由警告到正常的概率记为；由正常到故障的概率记为；由正常到警告的概率记为；由正常到正常的概率记为；42、其余频数含义同上；43、s8-2、根据各时间节点的统计数据，计算出马尔可夫模型的状态转移矩阵p：44、；45、s8-3、用马尔可夫方法在稳态条件下的解作为下一阶段加工质量数据的预测状态，得到马尔可夫稳态概率求解方程：46、；47、；48、式中，、、为预测的下一时间节点的状态概率；表示转置矩阵；49、步骤s9进一步包括：通过加工质量状态数据可知加工质量下一阶段最有可能出现的状态，若为正常，虚拟车间当前不需要向物理车间发送预警信息，可继续进行加工作业；50、如果预测结果显示下一阶段加工质量数据的状态为警告或故障，则虚拟机床向物理机床发送相应的预警，提醒物理机床采取相应调整措施。51、本发明的第二个方面，提出一种cnc机床数字孪生远程决策系统，利用该系统可以实现如第一方面所公开的cnc机床加工质量分析方法。具体来说，该cnc机床加工质量分析系统包括：52、初始化单元，用于采集预定加工对象在cnc机床加工过程中的m个监测时间节点和n个加工质量指标，构建初始判断矩阵；53、标准化单元，用于对所述初始判断矩阵进行标准化处理，得到标准化决策矩阵；54、加权单元，用于在所述标准化决策矩阵的基础之上结合权重矩阵，得到加权判断矩阵；55、第一计算单元，用于根据所述加权判断矩阵获取评价目标的正理想值和负理想值；56、第二计算单元，用于计算各所述加工质量指标分别与所述正理想值和负理想值的欧式距离；57、第三计算单元，用于基于所述欧式距离，计算得到各所述加工质量指标的相对贴合度，所述相对贴合度与加工质量的偏差度负相关；58、加工质量划分单元，用于将所述相对贴合度归一化处理映射到<mi>[0,1]</mi>之间，划分加工质量状态；59、预测告警单元，用于预测加工质量数据的变化趋势，预测下一阶段可能出现的加工质量状态，并给予反馈。60、有益效果：本发明公开了一种基于数字孪生模型的cnc机床加工质量分析方法，采用基于topsis法项目质量偏差量化建模，对比加工质量指标与理想目标的相对贴合度，采用马尔可夫预测模型分析当前加工质量状态，实现对未来加工质量状态的预测。为生产车间加工质量管控提供一种指导和参考。本发明应用于柔性生产线与总装柔性生产线的生产过程，根据数字孪生决策系统采集到的监测时间节点实时数据进行统计分析与处理，最后将得到的决策信息传送到物理空间的机床设备中，以利于进行加工的及时调整和更新。当前第1页12当前第1页12